K-means-clusteringproject

In dit project passen we K-Means-clustering toe op een gegevensset uit de echte wereld: klantsegmentatie. Het doel is om klanten te groeperen op basis van hun bestedingspatronen.

De gegevensset bevat de volgende kolommen:

• Klant-ID: Unieke identificatie voor elke klant.
• Leeftijd: Leeftijd van de klant.
• Jaarinkomen: Jaarinkomen in duizenden dollars.
• Bestedingsscore: Een score die wordt toegekend op basis van klantgedrag en bestedingspatronen (1–100).

We beginnen met het importeren van de benodigde bibliotheken en het laden van de gegevensset:

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# Load dataset
data = pd.read_csv('Mall_Customers.csv')
print(data.head())

We selecteren relevante kenmerken voor clustering en normaliseren de gegevens indien nodig. Voor dit project gebruiken we Jaarinkomen en Bestedingsscore:

# Select relevant features
X = data[['Annual Income (k$)', 'Spending Score (1-100)']].values
print(X[:5])

We gebruiken de elleboogmethode om het optimale aantal clusters te vinden. Daartoe zetten we de som van kwadraten binnen clusters (WCSS) uit voor verschillende waarden van K:

wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)

plt.plot(range(1, 11), wcss)
plt.title('Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('WCSS')
plt.show()

Op basis van de elleboogmethode kiezen we het optimale aantal clusters (bijvoorbeeld K=5) en trainen we het K-Means-model:

kmeans = KMeans(n_clusters=5, init='k-means++', random_state=42)
kmeans.fit(X)

# Add cluster labels to the dataset
data['Cluster'] = kmeans.labels_
print(data.head())

We kunnen de clusters in een tweedimensionale ruimte uitzetten om hun onderlinge scheiding te bekijken:

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c='red', marker='X')
plt.title('Customer Segmentation')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.show()

Elk cluster vertegenwoordigt een groep klanten met vergelijkbare bestedingspatronen. Bijvoorbeeld:

• Cluster 1: Hoog inkomen, hoge bestedingen.
• Cluster 2: Laag inkomen, lage bestedingen.
• Cluster 3: Gemiddeld inkomen, hoge bestedingen.

Hoewel clustering krachtig is, brengen toepassingen in de echte wereld uitdagingen met zich mee, zoals:

• Gegevenssets met veel dimensies.
• Gegevens met ruis of ontbrekende gegevens.
• Clusterresultaten op een betekenisvolle manier interpreteren.

In dit project hebben we:

• Een gegevensset uit de echte wereld onderzocht.
• K-Means-clustering toegepast en de resultaten gevisualiseerd.
• De clusters geïnterpreteerd om klantgedrag te begrijpen.

Vervolgens leren we over technieken voor dimensionaliteitsreductie, zoals PCA en t-SNE.